图形处理单元（GPU）已成为加速异质系统科学应用的标准。但是，随着GPU越来越快，使用GPU加速应用程序的一种潜在的性能瓶颈是启动几个细粒核的开销。 CUDA图可以通过启用基于图的执行模型来解决这些绩效挑战，该模型将操作捕获为节点和依赖性作为静态图中的边缘 ...

从模型构建的角度来看，我们提出了适合过度参数化模型的范式转移。从哲学上讲，心态是将模型拟合到未来的观察结果，而不是观察到的样本。从技术上讲，给定一种生成未来观察的插补方法，我们通过根据其样本对应物和自适应$ \ textit {duality函数} $优化了所需预期损耗函数的近似来拟合这些未来观察结果 ...

语音转换（VC）的现有客观评估指标并不总是与人类的看法相关。因此，具有此类标准的培训VC模型可能无法有效地改善转换语音的自然性和相似性。在本文中，我们提出了基于深度学习的评估模型，以预测人类转化的语音评分 ...

分子表示学习在各种下游任务（例如分子性质预测和药物设计）中起着至关重要的作用。为了准确代表分子，图形神经网络（GNN）和图形 Transformer （GTS）在自我监督预读的领域中显示出潜力。但是，现有方法通常忽略了分子结构与电子信息之间的关系，以及分子内的内部语义推理 ...

大型语言模型（LLM），例如GPT-4和Llama3可以理解复杂的命令和处理各种任务。这一进步有助于他们在控制各种任务的无人机和机器人方面的应用。但是，现有的LLM服务系统通常采用先到先得的（FCFS）批处理机制，该机制无法解决机器人应用的时间敏感要求 ...

参数高效的微调（peft）对于在资源有限的情况下定制大型语言模型（llm）至关重要。尽管针对密集架构llm已有多种peft方法，llm的peft仍处于探索之中。在这项工作中，Moe）架构的llm的peft方法，这项工作的内容主要有三个：（：（），发现特定任务的，发现特定任务的，发现特定任务的路由分布往往高度集中，而不同任务的激活专家的分布差异很大... ...

在本文中，我们介绍了语义 -  sam，这是一种通用图像分割模型，能够以任何所需的粒度分割和识别任何内容。我们的模型提供了两个关键优势：语义意识和粒度丰富。为了实现语义感知，我们跨三个粒度整合多个数据集，并引入对象和零件的解耦分类... ...

大型语言模型（LLMS）越来越多地被部署在聊天机器人，代码编辑器和会话代理等应用程序中。 LLM的一个关键特征是他们能够与人类或外部工具进行多转交互，从而实现各种各样的任务。多转交互中的每个新请求都取决于中间状态，特别是键值（k，v）scaches ...